提到、说对、露出，是三件不同的事——混成一个可见度分数，就看不出问题到底出在哪。品牌在 AI 回答里被念到名字，只是第一层；AI 说的事实对不对，是第二层；商品卡有没有挂出来、挂的是不是自己的 SKU，是第三层。以 11 月 15 日为界，公开的实测样本里三层之间的落差，往往比总分本身更值得看。三层都立住，一个品牌才算真正被看见、被选中。
三层指标各自回答什么
把三层混成一个数，最常见的后果是把内容问题和结构问题搞反。一个品牌在答案里被反复提到、却从未出现商品卡，很可能不是内容写得不好，而是价格与库存字段无法被机器读取；反过来，商品卡挂出来了但没被推荐，问题往往不在字段，而在场景描述与第三方印证。
分层之后，动作才有落点。提及层补可抽取的品牌事实，商品层补结构化字段，推荐层补场景内容与外部印证，引用层看自有站点与行业媒体的占比。四层各有各的修法，混着改等于同时动四个变量，改完也说不清是哪一步起了作用。
| 层级 | 看什么 | 达标信号 | 优先动作 |
|---|---|---|---|
| 提及层 | 答案正文里的品牌名 | 稳定出现在相关提问里 | 补齐可抽取的品牌事实 |
| 准确层 | AI 说的事实对不对 | 参数、价格与官网一致 | 统一事实底稿 |
| 商品层 | 商品卡是否触发、SKU 是否在卡内 | 入围率与首位占位上升 | 结构化价格、库存、规格 |
| 引用层 | 来源列表里的站点分布 | 自有站点与行业媒体占比提升 | 同步布局多层级信源 |
三层分数怎么落到具体动作
第三层没挂上商品卡，先查商品页的结构化字段是否完整；第二层说错事实，先查官网与详情页的口径是否一致；第一层压根没被提到，才轮到内容覆盖的问题。顺序反了，就会把「没被引用」误判成「内容不够多」，然后不断加量却始终进不了答案。
平台要分层看
豆包、千问、元宝这类带商品卡的平台，重点看卡挂没挂、价对不对、店跳没跳对；DeepSeek、文心一言这类以检索问答为主的平台，重点看提及、信源与回答准确性。用一套标准衡量所有平台，数据一定会误导人，因为它们的输出形态本来就不一样。
采样要留痕，不要截图
模拟真实用户提问，在网页端和移动端持续采样，把回答内容、引用信源、时间信息全部记录下来。截图只能证明某一刻的样子，留痕才能回看、能核验、能比较。AI 回答每天都在变，没有留痕就没有趋势，只有印象。
竞品同框率是容易被忽略但很有用的一项。同一批问题下，竞品进了几次卡、AI 拿谁跟你同框、引用的信源是谁家的，这些决定了用户点卡之前对你的判断。只看自己有没有被提到，看不到旁边的位置被谁占了。
一周跑通一个最小闭环
不用一步做全。第一到第二天定问题清单，从品类里挑十个高意向问题，带预算、带场景，不要挑「怎么选」这种科普题；第三天做基线，三个平台各跑一遍，每个平台分开记卡有没有出、SKU 在不在、价格对不对、跳到谁家；第四到第五天补内容，针对上卡率最低的两三个问题写结构化参数与场景描述；第六到第七天回看对比。
跑完一轮，手里会有三样东西：一份覆盖三个平台的上卡基线、一份问题优先级、一个能持续跑的习惯。这三样东西比任何一次性的诊断报告都有用，因为它们可以按月叠加，形成可比较的时间序列。
消费者端的变化正在加速。什么值得买的数据显示，双 11 期间平台 AIGC 内容发布量同比涨了 5 倍，App 内 AI 对话量环比涨了 82.37%；艾媒调研里超四成受访者感知到 AI 购物工具明显增多，但多数人仍保持审慎。审慎意味着他们还会二次核验，而核验的对象，往往就是 AI 引用的那些信源。
常见问题
提到、说对、露出，为什么要分开测？
三者对应不同问题：没被提到是内容问题，说错了是事实底稿问题，没露出商品卡是结构化字段问题。混成一个分数，改进动作就会失焦。
商品卡监测一般看哪几项？
卡有没有触发、出了几张、自己的 SKU 在不在卡里排第几、价格是否与官方一致、点进去落到谁的店。
为什么要按平台分层看？
带商品卡的平台与以检索问答为主的平台输出形态不同，用同一套标准衡量会得出误导性结论。
采样为什么强调留痕而不是截图？
AI 回答每天在变，截图只能证明某一刻。留痕才能回看、核验并形成趋势，趋势才可用来判断优化是否有效。
